分布式储能系统光伏功率共享性能优化方案研究_宋山茂.pdf

2 0 2 3年第3期2 0 2 3年3月在能源与生态双重危机之下，实现“双碳”目标成为共识，光伏和风能等新能源迎来重要发展契机。通过采取因地制宜的分布式储能系统设计方案，可以实现对光伏功率使用价值的最大化开发，以共享电池作为建筑社区共享电能的优化方案，多维度仿真和实践，从而实现碳减排目标并助推可再生能源更大规模发展1。1分布式储能系统光伏功率共享性能指标1.1综合效率分布式储能系统以光伏电能的存储效率为第一评价指标，相当于存储电能越高，分户供电的能源供给能力越强。当储能系统达到较高的集中式发电效率时，就可以完成对电气设备源源不断的能源供给。因此，综合效率是评价光伏功率共享性能的重要指标，可以在最小投入的情况下满足建筑社区全年供电需求。1.2补偿效果光伏发电也已经成为目前城市电网供电系统不可或缺的补充和替代方案，尤其对于用电量极高的工业区和偏远地区，更是主要的能源补偿解决方案。“光伏+柴补”补偿方案、“光伏+风能”互补方案都是目前光伏储能的主要解决方案2。分布式储能系统光伏功率共享性能的全面提升降低了电网压力，每年也可以为用户节省更多的用电费用。因此，分布式储能系统的供电能力决定了其普及范围，而光伏功率的共享性能更是对电网稳定性具有极高的补偿价值。1.3可再生能源利用率分布式储能系统的最大优势体现在对多种能源的存储方面，当光伏功率难以满足用户需求时，可以借助其他能源作为补偿。例如，通过开发风电与光伏的互补系统，新能源发电成本快速下降，风能与光能可以在综合性较强的储能系统中协同作业，从而为建筑社区提供多种能源补偿方案，达到稳定电网供电性能的共享效果。2光伏共享社区分布式储能系统最优解集推导2.1建筑单位时间供电需求设建筑每小时供电需求为Ed，1c，Ed，2c，Ed，87 6 0c，等于建筑每小时用电量需求Ed，1 j，Ed，2 j，Ed，87 6 0 j收稿日期：2022-08-21作者简介：宋山茂，1981年生，男，青海化隆人，高级工程师，主要从事新能源工程建设管理方面的研究。分布式储能系统光伏功率共享性能优化方案研究宋山茂（青海黄河新能源工程建设分公司，青海 西宁8 1 0 0 0 0）摘要：在“双碳”目标下，分布式储能系统成为并网发电的重要研究方向。结合实践案例，分析了分布式储能系统光伏功率共享性能指标，解析了光伏共享社区分布式储能系统最优解集推导方式，通过两类应用场景E M S智能管理的共享电池应用场景、“光储柴”联合运行共享应用场景，进一步提出了分布式储能系统中光伏功率共享性能优化方案，进而实现对不同应用场景下的光伏功率共享，为分布式储能系统的应用方案全面优化提供理论参考。关键词：分布式；储能系统；光伏功率；共享性能中图分类号：T M 6 1 5；T K 0 2文献标志码：A文章编号：2 0 9 5-0 8 0 2-(2 0 2 3)0 3-0 2 1 5-0 4Optimization of Photovoltaic Power Sharing Performance in Distributed Energy Storage SystemSONG Shanmao(Qinghai Yellow River New Energy Engineering Construction Branch Company,Xining 810000,Qinghai,China)Abstract:Under the carbon peaking and carbon neutrality goals,distributed energy storage system becomes an importantresearch direction of grid-connected power generation.Based on the practical cases,this paper analyzed the photovoltaic powersharing performance index of distributed energy storage system,and analyzed the derivation method of the optimal solution set ofdistributed energy storage system in photovoltaic sharing community.Through two types of application scenarios:the sharedbattery application scenarios of EMS intelligent management and PV+energy storage+diesel oil joint operation shared applicationscenario,it further put forward the photovoltaic power sharing performance optimization scheme in distributed energy storagesystem,to realize the photovoltaic power sharing in different application scenarios,and provide theoretical reference for the overalloptimization of application scheme of distributed energy storage system.Key words:distributed;energy storage system;photovoltaic power;sharing performance（总第2 1 0期）实践运用2 1 5 DOI:10.16643/ki.14-1360/td.2023.03.0092 0 2 3年第3期2 0 2 3年3月（j代表社区内投入使用的j栋建筑），每栋建筑全年光伏发电的总用电量为Es，1 j，Es，2 j，Es，87 6 0 j。即可推导出：Ed，ic=nj=1Ed，i j，i=1，2，87 6 0，(1)Es，ic=nj=1Es，i j，i=1，2，87 6 0，(2)式(1)式(2)中，Es，ic为建筑每小时发电总量，k W h。核算光伏供电每小时内的匹配功率Em，ic，可推导出：Em，ic=Ed，ic-Es，ic。(3)利用遗传算法搜索最优电池容量Cfitn e s s，促使回收期内电池投资成本达到最小化，即实现建筑光伏用电自消耗功率最大化，自消耗功率为Cth。通过遗传算法推导建筑用电量的最佳解集，在父代若干优化方案中迭代衍生子代设计方案。持续推导这一过程，直至最优解集出现。以投资回收期的投资成本最小化为目标，适应性函数公式为：Cfitn e s s=m in(B)s.tC Cth，(4)式(4)中，Cfitn e s s为最优电池容量，k W h；m in(B)为光伏共享电池最小投入成本，元；B为光伏共享电池实际成本，元；C为电池容量，k W h。其中B的计算公式为：B=Cfitn e s sCc，0-Cc，1，(5)式(5)中，为单位电池成本价格，元；Cc，0为初始安装电池总容量，k W h；Cc，1为年末结算电池总容量，k W h。设电池总容量为Cc，根据Cc，0和Cc，1，可以计算出光伏电池安装后全年内产生的电费xc，0/1，计算公式为：xc，0/1=8 760i=1Eg rid，ic，0/1 xi，(6)式(6)中，Eg rid，ic，0/1为全年内光伏电池合计容量，k W h；xi为电价，元/（k W h）。Eg rid，ic为建筑社区内第i个小时的光伏并网转换电量。如果Eg rid，ic0k W h，则xi=xb u yxb u y为买入电价，元/（k W h）；如果Eg rid，ic0，则xi=xs e llxs e ll为售出电价，元/（k W h）。光伏电能在共享期间产生的转换电量为：Eg rid，ic=Em，ic-Eb a t，ic，(7)式(7)中，Eb a t，ic为电池放电量或充电量，k W h。2.2共享电池的放电状态共享电池承担了建筑社区内所有业主对光伏电能的基本需求，但不能超出电池电量存储的最高极限，否则光伏并网后的电量匹配将出现短暂失衡，产生的断电危险甚至会干扰建筑内电气设备的使用安全性3。故而，应以电池最大容量为核算条件，使每小时输出的最高电量既不超出共享电池的最大电能储备上限，也不完全释放共享电池中已经存储的电量。在放电状态下，Eb a t，ic必须满足时刻小于电池充电极限的基本条件，同时不超过电池内的总存储电量。设d is c h a rg e为共享电池的放电率；Ed is c h a rg e，lim itc为每小时共享电池的最高放电量，k W h；Ei为第i小时共享电池中结余电量，k W h。当Eb a t，ic/d is c h a rg em in（Ei，Ed is c h a rg e，lim itc）时，Eb a t，ic=m in（Ei，Ed is c h a rg e，lim itc）。当Eb a t，ic/d is c h a rg em in（Ei，Ed is c h a rg e，lim itc）时，Eb a t，ic=d is c h a rg e。Ei计算公式为：Ei=d is c h a rg eEi-1+Eb a t，ic。(8)以此来约束最大放电量超出共享电池的最大承受范围，满足电池存储效率的最大利用率条件。2.3共享电池的充电状态充电状态下，建筑体内的虚拟共享电池容量仍然不能超过最大容量Cm a x c，充电量Eb a t，ic应小于共享电池剩余容量，同时也要小于共享电池的最大充电极限。因此，当Em，icc h a rg e（c h a rg e为共享电池的充电率）为负值时，Eb a t，ic=-m in（Cc-Ei，Ec h a rg e，lim itc）（Ec h a rg e，lim itc为每小时共享电池的最高充电量，k W h）；当Em，icc h a rg e为正值时，Eb a t，icm in（Cc-Ei，Ec h a rg e，lim itc）。通过遗传算法来检验虚拟共享电池最优电池容量Cfitn e s s的设计范围，应满足用户需求以及光伏用电量造价最小的优化标准。以建筑社区分布式电池容量最佳状态作为最优解集，计算分布式电池的单独容量范围C1，C2，CN（N为共享电池个数），以虚拟共享电池在N L P（N a tu ra lL a n g u a g eP ro c e s s in g，自然语言处理）优化电容量优化条件为标准，确定N L P目标函数的制约条件为0，0，0，最大取值上限为Cfitn e s s，Cfitn e s s，Cfitn e s s，代表共享电池容量应在0与Cfitn e s s聚合容量的范围之内。远距离传输所消耗的额外电量忽略不计，建筑内共享电池电量分享交换的损耗忽略不计。在上述共享电池的充电状态下，设Eb a t，o th e r，ij为存储在共享电池中始终从其他建筑获取电能补充而来的能量，设tra n s为传输效率。分层设计共享状态下的电能最小聚合为m inEb a t，o th e r，ij，以N L P的输出结果作为优化共享电池容量的限制条件，可推导出：EN L P=m in8 760i=150j=1Eb a t，o th e r，ijtra n s()，(9)式(9)中，EN L P为分布式电池的优化容量，k W h。2 1 6 2 0 2 3年第3期2 0 2 3年3月利用遗传算法获取最优解，使得每个电池的使用造价成本B能达到最小化条件，同时满足建筑内用户自由使用电量C的条件，集中共享电池的最大使用效能，匹配建筑社区的最大电量使用单位，获取C和